大数据

调研机构Forrester Research公司表示,企业竞争优势将随着大数据分析走向云端;加入进来或落后于人。

Forrester Research的分析师Brian Hopkins说,如果企业不将大数据移入云端,那么在未来可能会让其成为数字恐龙而濒临灭绝。

BrianHopkins在今年6月推出的一份报告表明,企业需要将大数据转移到公共云:如果不这样做,将无法满足客户的需求。他总结说,希望在2020年具有竞争力的公司需要在公共云端利用自己的大数据分析。这个报告并没有对外公开。

“企业的数据和分析迁移公共云是从2016年开始,在2017仍然很强劲,并且将持续到2018年。”Hopkins说。

云计算中使用大数据是摩尔定律力量的一个例子。其有用性将通过重复降低计算成本与分析系统功率的增加而加速。没有利用公共云进行大数据分析的企业将在2020年难以跟上发展的步伐,这是这份报告的主要结论。

Hopkins和合作研究人员补充说:“企业必须立即将其大数据投资从本地或混合转移到公共云端。

那么,企业大数据的内部部署分析有什么问题?Forrester公司报告说,所做的资本支出将把大数据用户锁定到被选中的“需要灵活性”的系统中。

此外,企业的员工将无法跟上不可预测的变化要求,这种情况将不断出现。Forrester公司的研究人员写道,员工现有的技能将决定他们是否敢于采用甚至认可不断变化发展的技术,而且即使很好的技术也不太可能得到快速的采用。

Amazon Web Services,谷歌、IBM、微软和Salesforce将继续大量投资大数据,并相互竞争迅速扩大服务。在公共云中,一个成功的新系统被其他人利用。该报告引用Swisscon公司分析主管MarcinPoetrzyk博士的话说,“无服务器计算的概念可以将(大数据分析)提高一个新的水平,公共云供应商能够比自己的内部竞争对手更好地扩展创新。”

报告的作者警告说,“像这样一个逐渐转变的这个阶段可能会变成一个失控的货运列车。早期的发展似乎很慢,企业认为他们有时间做出反应,随着成本的下降和电力消耗加倍,没有对此做好准备的企业将会落后于人。”

企业架构师了解公共云的优势。然而,他们可能会继续推荐房地产投资,因为他们预计在五年或十年的时间内公共云中的总体拥有成本将会很高。Hopkins与其同行们员预测,公共云中的竞争将使计算和存储设备的价格每几年降低一半。他们认为:成本下降将使公共经济的采用得到激励。

而一些厂商将以合规性,数据安全性,责任和品牌感知作为不进入公共云的原因。他们拖延的时间越长,对那些已经采用公共云分析的公司就越有利。“到2020年,没有完全利用公共云进行大数据分析的企业将难以保持数字领导者的地位。”报告中写道。

分析师警告说,由于存储和计算设备每两年价格降低一半,“行业领导者将需要更快创新,而落后者将会得到致命的打击。

Forrester公司这份报告是基于去年的大数据调查报告,以及最近访问对美国运通,Bose,沃尔玛,亚马逊网络服务,IBM,Hortponworks,Logitech,Databricks,GoodData和Qubole进行调研而撰写的报告。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2018-04-08 09:17:00
大数据资讯 评:大数据杀熟是滞后的商业文明 杀死用户忠诚度
互联网公司之所以“会”这么做,还是因内心遏制不住的对利润的渴望,从而不顾商业伦理的底线,玩起了“杀熟”的古老勾当。事实上,互联网“杀熟”的与传统经济的“杀熟”并 <详情>
2018-04-04 15:03:00
大数据资讯 暗数据改变数据分析的5种方式
暗数据是企业在日常运营中收集、存储和处理的资料,但通常不会用于可能有益的目的。暗数据有多种方法影响企业分析和使用数据的方式。 <详情>
2018-03-16 14:33:42
云资讯 企业如何从迁移到云端获得真正的投资回报率
企业将业务迁移到云端也将需要付出沉重的代价,而且企业需要迁移一定比例的工作负载才能获得实际寻求的价值。 <详情>
2018-02-26 11:03:00
大数据应用 PTMIND铂金智慧:给所有企业做人人可用的数据分析产品
2017年度诺贝尔经济学奖获得者理查德·泰勒(Richard H. Thaler)曾在2008年与美国哈佛大学法学院教授卡斯·桑斯坦(Cass R. Sunstein)共同提出了一个类似于蝴蝶效应的观 <详情>
2018-02-06 10:44:47
大数据资讯 干货分享:数据分析的六大黄金法则
为什么你的数据分析成果总是难以落地?数据分析的价值总是远远低于预期?相信看完这篇文章,每个人都能找到一个属于自己的答案。本人先后在电力、军工、金融等行业担任数据 <详情>